三维生物医学图像中的边界曲面通常对应于所包含器官或组织的边界面，是三维图像中最重要的特征。为了有效地重构、绘制与分析这样的边界面，本项目将对三维生物医学图像中基于边界曲面的检测、重构与可视化算法展开研究。我们将把图形学与可视化中重构及表示等值面的思想与计算机视觉中边缘检测理论相结合，以便发展高精度的检测与重构三维图像中边界曲面的新方法；将基于函数逼近思想,把三维图像中边界曲面的重构问题转化为新三维图像中零值等值面的抽取问题，使问题得到简化；将在阻光度函数中引入边界定位及抑制噪声的特征参量,以便克服体绘制算法中边界曲面定位精度差及对噪声敏感等问题。.新方法将可以处理复杂多样的三维生物医学图像以及重构与绘制高精度边界曲面，从而为三维生物医学图像中器官或组织的检测、抽取、定量测量、定量分析、建模等处理提供一类有效技术。本项目的研究在三维生物医学成像技术及临床计算机辅助技术中有着重要的应用前景。 2100433B

配电网络重构的算法大致可以分为：传统数学方法、启发式方法、人工智能算法以及混合算法等。

分层材质建模与绘制是目前计算机图形领域研究的热点和难点。由于分层材质能够更精确地描述现实世界中的材质，其在图形绘制中的应用可以显著提高绘制结果的物理真实感。本项目将从微面元理论的角度研究分层材质的建模与绘制技术，详细探讨基于微面元理论的材质模型中法向分布、Fresnel反射和微面元间阴影遮挡等在扩展到处理分层材质时的计算方式，着重讨论多次内反射、层内介质散射和吸收对次表面反射效果的影响，并基于adding-doubling方法推广到处理多层分层材质。最后，通过在离线绘制引擎和实时绘制场景中的应用来验证本项目提出的分层材质模型的有效性和高效性。相比于传统的分层材质模型，基于微面元理论的分层材质模型具有高效性、统一性、轻量级以及可扩展性等优势。本项目是材质建模与绘制方面的基础性研究工作，具有重要的学术意义和应用价值。

近些年来，基于随机化技术的人工智能算法在优化领域得到了广泛的应用。在智能优化算法应用于配电网重构的实例中，归纳起来主要包括：人工神经网络算法，模拟退火算法，禁忌搜索算法，蚁群算法，粒子群优化算法和遗传算法、差分进化算法等。

配电网重构遗传算法

遗传算法是模拟生物进化过程的一种算法，由于其染色体编码能够很好地表示开关的状态’因此算法在配电网重构中得到了广泛的应用但是遗传算法局部收敛过早的问题仍旧普遍存在的。Ah king R.T.F(2004)提出了基于实数编码方法、模糊控制交叉率和变异率的遗传算法求解配电网络重构，提高了算法的收敛速度。

配电网重构人工神经网络算法

ANN算法是在现代神经科学研究的基础上提出的，通过样本训练将输入与输出的非线性关系存储在神经元的权值中是其最大特点。文献介绍了用于组合优化问题的神经网络模型，阐述了优化配电网络结构的方法，提出了用于避免陷入局部最优的强迫噪声法，结合专家系统来确定在变电所故障情况下可行的配电网络结构。Hayashi Y(1996)应用来进行在线的配电网络重构，神经网络的输入为负荷需求，输出为对应的网损最小的网络结构。

配电网重构模拟退火算法

SA算法对某一特定优化问题设定正确的参数后能以很高的概率收敛于全局最优解，但它属于单点寻优，并且为了使每一冷却步的状态分布均衡，计算将很耗费时间。文选取断开开关的位置作为变量，釆用移动打开开关位置的方法作为扰动准则，应用算法求解配电网络的重构，并通过算例分析表明随着网络规模的扩大，需要足够慢的退火过程才能保证收敛于近似全局最优解。

配电网重构粒子群优化算法

PSO算法由和于年提出，是模拟鸟群觅食过程中的迁徙和群集行为时提出的一种基于群体智能演化的计算技术。将应用于配电网重构中，具有并行处理、鲁棒性好等特点，具有简单易实现、收敛速度快等优势，但是缺点在于全局搜索能力差，容易陷入局部最优解的邻域。文在求解以负荷均衡化为目标的配电网重构时引入变异机制，对符合判据的粒子随机产生一个新的位置，从而保证算法的行进。

配电网重构禁忌搜索算法

该算法属于一种高效的启发式搜索算法，算法的特点在于采用禁忌表来记录到达过的局部最优点，避免在下一次搜索中继续搜索到这些点。文提出算法在提高电压安全性的配电网重构中的应用，通过实际算例的重构结果

验证了算法可以得到最优解。

配电网重构蚁群算法

釆用正反馈、分布式计算和贪契式启发式搜索等手段，能够不依赖于网络初始结构，适应性强，搜索效率高，文献对配电网络从图论拓扑结构上进行分析将配网重构问题转化为求图的生成树问题，并以破圈法为基础得到快速而有效地求解图的生成树的方法。在应用蚁群算法求解配网重构问题时通过首支路选择随机化和取消奴群算法常用的启发值的方法扩大算法搜索范围使算法可以跳出局部最优化陷讲，改善算法的搜索效果。